00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD

یادگیری ماشین

دوره‌های دانشگاهی
20 جلسه

سرفصل‌ها

یادگیری ماشینی (Machine learning) به بررسی روش هایی می پردازد که به رایانه ها امکان استفاده از داده ها و یاد گیری از آن ها برای بهبود عملکردهای مختلف را می دهد.
هدف یادگیری ماشینی این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها بازدهی‌ بالاتری در وظیفهٔ مورد نظر پیدا کند. نمونه هایی از کاربردهای یادگیری ماشین می تواند الگوریتم های تشخیص چهره، جداسازی هرزنامه و بازشناسی گفتار می باشد.
مدرس دوره
Andrew Ng
اندرو ان جی استاد دانشکده علوم کامپیوتر دانشگاه استنفورد و سرپرست آزمایشگاه هوش مصنوعی استنفورد است . وی هم چنین بنیان گذار کورس ارا (coursera.org) است و بر اساس گزارش تکنولوژی دانشگاه ام ای تی یکی از 35 مخترع برتر جوان دنیا هست.
او دکتری خود را از دانشگاه کالیفرنیا برکلی گرفته و زمینه های پژوهش او هوش مصنوعی و علوم رباتیک است.

سوالات پرتکرار

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.
اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.
آیا درسی وجود دارد که ضبط شده اما روی سایت قرار نگرفته باشد؟
تمام دروس بعد از ضبط و آماده شدن بر روی سایت قرار می گیرند.
اگر بخواهیم درسی برای مکتب خونه ارسال کنیم چه روندی باید طی کنیم؟
اگر خودتان درسی تهیه کرده اید به صفحه همکاری با ما بروید تا آن را بررسی کنیم و بهتون اطلاع دهیم.
آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.
فیلم های آموزشی
25:09 ساعت
25:09
Combined Shape Created with Sketch. 20 جلسه
یادگیری ماشین - جلسه 1 - انگیزه و کاربردهای یادگیری ماشین، قواعد کلاس، تعریف یادگیری ماشین، مروری بر یادگیری با نظارت، مروری بر
"68:39
یادگیری ماشین - جلسه 2 - کاربردی از یادگیری با نظارت – رانندگی خودمختار، رگرسیون خطی، گرادیان نزولی، گرادیان نزولی دسته¬ای، گرا
"76:15
یادگیری ماشین - جلسه 3 - مفهوم بیش برازش و کم برازش، مفهوم الگوریتم¬های پارامتری و غیر پارامتری، رگرسیون وزن¬دار محلی، تعبیر اح
"73:13
یادگیری ماشین - جلسه 5 - الگورریتم¬های تمیزدهنده، الگوریتم¬های تولیدکننده، تحلیل¬های تمیزدهنده¬ی گوسی، تحلیل¬های تمیزدهنده¬ی گو
"75:30
یادگیری ماشین - جلسه 4 - روش نیوتن، خانواده¬ی توابع نمایی، مثالی از تابع برنولی، مثال از تابع گوسی، مدل¬های خطی عمومی، مثالی از
"73:06
یادگیری ماشین - جلسه 6 - مدل رویداد چند جمله¬ای، طبقه¬بندهای غیر خطی، شبکه عصبی، کاربردهای شبکه عصبی، شهودی از ماشین بردار پشتی
"73:08
یادگیری ماشین - جلسه 7 -طبقه¬بندی با حاشیه¬ی بهینه، دوگانی لاکرانژ، شرایط Karush-kuhn-tucker، دوگان SVM، مفهوم کرنل¬ها
"75:44
یادگیری ماشین - جلسه 8 - کرنل¬ها، تئوری مرسر، مرزهای تصمیم غیرخطی و SVM با حاشیه¬ی نرم، الگوریتم مختصات صعودی، الگوریتم بهینه¬
"77:18
یادگیری ماشین - جلسه 9 - تعادل بین بایاس و واریانس، کمینه¬سازی ریسک به صورت تجربی، محدوده¬ی متحد، نامساوی Hoeffding، همگرایی یک
"74:18
یادگیری ماشین - جلسه 10 - همگرایی یکنواخت – برای H نامحدود، مفهوم شکستن به قطعات و بَعد VC، مثالی از SVM، انتخاب مدل، تعیین اع
"72:55
یادگیری ماشین - جلسه 11 - تنظیم و آمار شناسی بیزی، یادگیری برخط، پیشنهادهایی برای به کارگیری الگوریتم¬های یادگیری ماشین، الگوری
"82:18
یادگیری ماشین - جلسه 12 - مفهوم یادگیری بدون نظارت، الگوریتم خوشه¬بندی k-میانگین، الگوریتم k-میانگین، ترکیبی از گوسی و الگوریت
"74:22
یادگیری ماشین - جلسه 13 - ترکیبی از گوسی، ترکیبی از بیز خام – خوشه¬بندی متن، تحلیل¬های فاکتوری، محدودیت¬های ماتریس کواریانس، م
"74:56
یادگیری ماشین - جلسه 14 - مدل تحلیل فاکتور، EM برای تحلیل فاکتور، تحلیل اجزای اصلی (PCA)، PCA به عنوان یک الگوریتم کاهش بَعد، ک
"80:39
یادگیری ماشین - جلسه 15 - اندیس¬گذاری معنایی بالقوه، پیاده¬سازی تجزیه به مقادیر منفرد (SVD)، تحلیل اجزای مستقل (ICA)، کاربرد IC
"77:17
یادگیری ماشین - جلسه 16 - کاربردهای یادگیری تقویتی، فرایند تصمیم مارکوف (MDP)، تعریف توابع ارزش و سیاست، تابع ارزش، تابع ارزش ب
"73:05
یادگیری ماشین - جلسه 17 - تعمیم به فضای حالت پیوسته، گسسته سازی و مشکل بَعد بالا، مدل¬ها/شبیه¬سازها، الگوریتم تکرار ارزش سازگار
"76:59
یادگیری ماشین - جلسه 18 - پاداش¬های حالت-عمل، MDP با افق محدود، مفهوم سیستم¬های دینامیکی، مثالی از مدل¬های دینامیک، تعدیل درجه
"76:37
یادگیری ماشین - جلسه 19 - پیشنهادهایی برای به کارگیری یادگیری ماشین، اشکال¬زدایی الگوریتم یادگیری تقویتی، تنظیم درجه دو خطی، بر
"75:54
یادگیری ماشین - جلسه 20 - MDPهای غیر مشاهده پذیر کامل، جستجوی سیاست، الگوریتم تقویتی، الگوریتم پگاسس، جستجوی سیاست پگاسس، کاربر
"76:39